个人简历：

马萍，女，中共党员，工学博士，博士生导师。现为副教授，新疆自动化学会理事，中国自动化学会会员；为Expert System with Applications、ISA Transactions、Measurement、中国电机工程学报、振动与冲击等期刊的审稿专家。主要研究方向包括：工业人工智能、装备智能运维、故障诊断、机器视觉、预测性维护、工业大数据、健康监测与维护决策等。主要讲授本科课程《自动控制理论》、《新能源发电技术》，研究生课程《复杂网络算法与应用》、《动态系统故障诊断技术》等。近5年主持国家自然科学基金项目1项，中国博士后自然科学基金面上资助项目1项，新疆维吾尔自治区青年基金项目1项，横向项目1项。入选自治区“天山英才-青年托举人才”计划、“天山青年”计划、“天池博士”计划、“优秀博士后研究人员”计划，科研经费约200万元。参与国家自然科学基金项目2项，横向项目多项。以第一作者或通讯作者发表论文40余篇，其中SCI/EI论文20余篇。获中国科学技术信息研究所2023年度“领跑者5000——中国精品科技期刊顶尖学术论文”，获2023年新疆维吾尔自治区科学技术（自然科学）奖二等奖（排名第三）。

研究方向：

工业人工智能、装备智能运维、故障诊断、机器视觉、预测性维护、工业大数据、健康监测与维护决策等

主讲课程：

1、本科生课程：

自动控制理论、现代控制理论、新生研讨课、新能源发电技术

2、研究生课程

复杂网络算法与应用、动态系统故障诊断技术

近五年学术成果：

[1] Ma Ping, Li Guangfu, Zhang Hongli, et al. Prediction of Remaining Useful Life of Rolling Bearings Based on Multiscale Efficient Channel Attention CNN and Bidirectional GRU[J]. IEEE Transactions on Instrumentation and Measurement,2024, 73:2508413.(SCI)

[2] Ma Ping, Liang Weilong, Zhang Hongli, et al. Multiscale permutation entropy based on natural visibility graph and its application to rolling bearing fault diagnosis.Structural Health Monitoring, 2024. doi:10.1177/14759217241229999.(SCI)

[3] Gong Fengjin,Ma Ping*, Wang Nini, Zhang Hongli,et al. Cross-device fault diagnosis of rolling bearings using domain generalization and dynamic model. Journal of Vibration and Control. 2024. doi:10.1177/10775463241256253.(SCI)

[4] Wang Nini,Ma Ping*, Wang Xiaorong, et al. Detection of unknown bearing faults using re-weighted symplectic geometric node network characteristics and structure analysis[J]. Expert Systems with Applications, 2023, 215: 119304.(SCI)

[5] Ma Ping, Zhang Hongli, Wang Cong. Adaptive dynamic mode decomposition and its application in rolling bearing compound fault diagnosis[J]. Structural Health Monitoring, 2022: 14759217221095729.（SCI）

[6] Ma Ping,Zhang Zhou, Zhang Hongli, et al. Compound fault diagnosis of rolling bearing under variable speed based on generalized demodulation transformation and symplectic geometric mode decomposition[J].Journal of Vibration and Control, 2022: 10775463221082924.(SCI)

[7] Ma Ping;Zhang Hongli;Fan Wenhui;Wang Cong;A diagnosis framework based on domain adaptation for bearing fault diagnosis across diverse domains.ISA Transactions, 2020, 99: 465-487.（SCI）

[8] Ma Ping;Zhang Hongli;Fan Wenhui;Wang Cong;Early fault diagnosis of bearing based on frequency band extraction and improved tunable Q-factor wavelet transform,Measurement, 2019,137:189-202.（SCI）

[9] Ma Ping,Zhang Hongli, Fan Wenhui, et al. A novel bearing fault diagnosis method based on 2D image representation and transfer learning-convolutional neural network[J].Measurement Science and Technology, 2019, 30(5): 055402.（SCI）

[10] Ma Ping,Zhang Hongli, Fan Wenhui, et al. Early fault detection of bearings based on adaptive variational mode decomposition and local tangent space alignment.Engineering Computations,2019, 36(2):509-532.（SCI）

[11] 张家军,马萍*,张海,等.基于迭代增强变分模态提取的滚动轴承复合故障诊断[J].振动与冲击,2024,43(07):255-265.

[12] 谭启瑜,马萍*,张宏立等.基于图注意力网络的风力发电机齿轮箱故障诊断[J].太阳能学报,2024,45(01):265-274.(EI)

[13] 肖飞,张宏立,马萍*,王聪.基于多时频曲线提取广义特征的变转速轴承故障诊断[J].振动与冲击,2022,41(13):152-159+188.(EI)

[14] 王妮妮,马萍*,张宏立,王聪.基于多尺度深度卷积网络特征融合的滚动轴承故障诊断[J].太阳能学报,2022,43(04):351-358.(EI)

[15] Ma Ping,Zhang Hongli, Fan Wenhui, et al. Fault diagnosis using an improved fusion feature based on manifold learning for wind turbine transmission system[J].Journal of Vibroengineering, 2019, 21(7): 1859-1874.(EI)

[16] Ma Ping, Zhang Hongli, Fan Wenhui, et al. Novel bearing fault diagnosis model integrated with dual-tree complex wavelet transform, permutation entropy and optimized FCM[J].Journal of Vibroengineering, 2018, 20(2): 891-908.(EI)

[17] 马萍,张宏立,范文慧.基于局部与全局结构保持算法的滚动轴承故障诊断,机械工程学报, 2017, 53(2): 20-25.（EI）

[18] Wang Nini,Ma Ping* Zhang H, et al. Fault feature enhancement and diagnosis of rolling bearing based on complex network[C]//2021 CAA Symposium on Fault Detection, Supervision, and Safety for Technical Processes (SAFEPROCESS). IEEE, 2021: 1-6.(EI会议)

[19] Ma Ping,Zhang Hongli, Wang Cong. Improved Transfer Component Analysis and It Application for Bearing Fault Diagnosis Across Diverse Domains[C]//2019 CAA Symposium on Fault Detection, Supervision and Safety for Technical Processes (SAFEPROCESS). IEEE, 2019: 501-506.(EI会议)

[20]马萍,王妮妮,张宏立,王聪. 基于信号分解与复杂网络的滚动轴承未知故障检测方法[P]. 新疆维吾尔自治区：CN113095151B,2023-04-18.(发明专利)

近五年主持或在研项目：

1、国家自然科学基金项目,复杂数据特征下风电传动系统故障诊断研究,2021-01至2024-12,在研,主持

2、新疆维吾尔自治区自然科学青年基金项目，变转速工况下风电轴承复合故障诊断研究，2022-04至2025-04,在研,主持

3、新疆维吾尔自治区天山英才-青年托举人才项目，新型电力系统发-输配电端关键设备故障检测及运行可靠性评估，2023-10至2026-10，在研，主持

4、横向项目，金风科技，大型风力发电机组关键大部件故障诊断及预测方法研究及建模，2024.01-2025.12，在研，主持

5、中国博士后自然科学基金面上项目,基于深度学习的风电机组（群）传动系统故障诊断研究, 2020-07至2022-07，结题,主持

6、新疆维吾尔自治区天山青年计划项目，风电机组关键部件故障诊断与剩余寿命预测研究，2021-04至2023-04，结题，主持

7、新疆维吾尔自治区天池博士计划项目，大型风电机组健康管理技术研究，2020-01至2021-12，结题,主持

8、新疆大学博士启动基金项目，2020-01至2022-12,结题,主持